人工智能引导的血管检测以提升第三空间内镜手术安全性
2026年4月14日 更新者:Abhishek Tyagi、Asian Institute of Gastroenterology, India
人工智能引导下的解剖标志物检测以提升第三间隙内镜手术安全性
这项前瞻性研究旨在评估一种新型人工智能(AI)临床决策支持工具在第三空间内镜手术(如内镜黏膜下剥离术(ESD)和经口内镜下肌切开术(POEM))中的性能。
虽然这些手术对治疗胃肠道肿瘤和动力障碍有效,但如果黏膜下血管未被正确识别和凝固,则存在术中出血和穿孔的风险。基于先前的回顾性验证,本研究将评估实时人工智能模型是否能在活体人体手术中更准确、更快速地协助内镜医师检测和描绘血管。
研究概览
详细说明
背景与原理
第三空间内镜手术技术要求较高。主要挑战在于意外切断黏膜下血管,导致出血遮蔽手术视野并增加穿孔风险。目前,血管识别完全依赖操作者经验。
我们的团队开发了一种基于深度学习的人工智能模型,该模型使用150例POEM手术中的25万张标注图像进行训练。该模型针对最低延迟进行了优化,可在内镜监视器上实时显示血管的视觉叠加(轮廓)效果。
研究目标 主要目标是评估血管检测率(VDR)——在人工智能辅助下内镜医师识别的血管比例与标准操作相比的差异。
本研究还将调查:
血管检测时间(VDT):从血管出现在视野中到被识别之间的延迟。
研究设计与工作流程:
在这项前瞻性研究中,人工智能系统将集成到奥林巴斯EVIS X1系列内镜平台中。当内镜医师在黏膜下空间操作时,人工智能将提供实时视觉分割掩膜以高亮显示血管。系统性能将被记录,并与独立专家术后回顾的结果进行比较,以计算灵敏度和检测速度。
研究类型
介入性
注册 (估计的)
20
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。
学习联系方式
- 姓名:Abhishek Tyagi, M.S.
- 电话号码:919989154556
- 邮箱:mr.tyagi@gmail.com
研究联系人备份
- 姓名:Mohan Ramchandani, M.D.
- 电话号码:919701335444
- 邮箱:ramchandanimohan@gmail.com
学习地点
-
-
Telangana
-
Hyderabad、Telangana、印度、500032
- 招聘中
- Asian Institute of Gastroenterology
-
接触:
- Abhishek Tyagi, M.S.
- 电话号码:919989154556
- 邮箱:mr.tyagi@gmail.com
-
首席研究员:
- Abhishek Tyagi, M.S.
-
-
参与标准
研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 孩子
- 成人
- 年长者
接受健康志愿者
不
描述
纳入标准:
- 诊断为贲门失弛缓症或肿瘤的患者。
排除标准:
- 被认为不适合进行第三空间内镜手术的患者(例如:念珠菌病)
学习计划
本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。
研究是如何设计的?
设计细节
- 主要用途:设备可行性
- 分配:随机化
- 介入模型:并行分配
- 屏蔽:无(打开标签)
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
有源比较器:借助人工智能
内镜医师将看到AI生成的区域分割掩膜
|
实时AI生成的、在内窥镜监视器上可见的黏膜下血管的分割掩码或勾画轮廓。
|
|
无干预:没有人工智能
内镜医师将看不到人工智能生成的分割掩膜
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
血管检出率 (VDR)
大体时间:3个月
|
内镜医师识别的血管比例
|
3个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
血管检测时间 (VDT)
大体时间:3个月
|
从血管出现在视野中到其被识别之间的延迟时间。
|
3个月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员:Abhishek Tyagi、Asian Intitute of Gastroenterology
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Scheppach MW, Mendel R, Muzalyova A, Rauber D, Probst A, Nagl S, Rommele C, Yip HC, Lau LHS, Golder SK, Schmidt A, Kouladouros K, Abdelhafez M, Walter BM, Meinikheim M, Chiu PWY, Palm C, Messmann H, Ebigbo A. Use of artificial intelligence in submucosal vessel detection during third-space endoscopy. Endoscopy. 2025 Jul;57(7):760-766. doi: 10.1055/a-2534-1164. Epub 2025 Feb 5.
- Ebigbo A, Mendel R, Scheppach MW, Probst A, Shahidi N, Prinz F, Fleischmann C, Rommele C, Goelder SK, Braun G, Rauber D, Rueckert T, de Souza LA Jr, Papa J, Byrne M, Palm C, Messmann H. Vessel and tissue recognition during third-space endoscopy using a deep learning algorithm. Gut. 2022 Dec;71(12):2388-2390. doi: 10.1136/gutjnl-2021-326470. Epub 2022 Sep 15.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2026年2月10日
初级完成 (估计的)
2026年4月30日
研究完成 (估计的)
2026年4月30日
研究注册日期
首次提交
2026年1月27日
首先提交符合 QC 标准的
2026年2月3日
首次发布 (实际的)
2026年2月10日
研究记录更新
最后更新发布 (实际的)
2026年4月15日
上次提交的符合 QC 标准的更新
2026年4月14日
最后验证
2026年2月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.